Article Per Year (5 Year)
p-Index From 2021 - 2026
2.56
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Bulletin of Electrical Engineering and Informatics Jurnal Teknologi Informasi dan Ilmu Komputer Bulletin of Electrical Engineering and Informatics INTEGER: Journal of Information Technology Network Engineering Research Operation [NERO] JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Prosiding Seminar Nasional Sains dan Teknologi Terapan International Journal of Robotics and Control Systems Journal of Applied Sciences, Management and Engineering Technology (JASMET) Parta: Jurnal Pengabdian Kepada Masyarakat Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK)
Dian Puspita Hapsari
Institut Teknologi Adhi Tama Surabaya
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, k-Nearest Neighbor dan Logistic Regression pada Dataset Multiclass WR Wahyudi; SA Adriko; MI Firdaust; MHA Harits; Dian Puspita Hapsari
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2023: SNESTIK III
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2023.4157

Abstract

Penelitian ini membandingkan kinerja tiga algoritma klasifikasi: Naive Bayes, k- Nearest Neighbor, dan Logistic Regression pada dataset multiclass. Kinerja masing-masing algoritma dievaluasi menggunakan metrik seperti akurasi, presisi, recall, dan F1-skor. Hasil penelitian menunjukkan bahwa kinerja ketiga algoritma tersebut variatif tergantung pada dataset spesifik yang digunakan. Secara keseluruhan, algoritma regresi logistik yang memiliki kinerja terbaik, diikuti oleh k-Nearest Neighbor dan Naive Bayes. Hasil penelitian ini memberikan wawasan yang bermanfaat bagi para peneliti dan praktisi yang ingin memilih algoritma yang sesuai untuk masalah klasifikasi multiclass.
Penentuan Keakuratan Kelompok Data Gambar pada Proses Segmentasi Menggunakan Algoritma Random Forest Salma N. Aini; Dian Puspita Hapsari; Aeri Rachman
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2023: SNESTIK III
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2023.4156

Abstract

Abstrak. Sebagian besar metode segmentasi tradisional didasarkan pada intensitas dan hubungan spasial piksel, atau model terbatas yang ditemukan melalui pengoptimalan. Meskipun demikian, manusia menggunakan lebih banyak pengetahuan saat melakukan segmentasi manual. Oleh karena itu, dalam beberapa tahun terakhir, metode pembelajaran mesin yang dapat dilatih telah muncul sebagai alat yang ampuh untuk menyertakan sebagian dari pengetahuan tersebut dalam proses segmentasi dan meningkatkan akurasi wilayah berlabel. Pada paper ini dilakukan analisis untuk melihat seberapa akurat segmentasi gambar dengan menggunakan algoritma random forest. Dalam makalah ini akan diulas tentang hasil perbandingan kinerja algoritma random forest dengan algoritma J48, Naïve bayes, dan Logistic regression. Hasil perbandingan dari beberapa algoritma tersebut Random Forest memiliki keakuratan tertinggi 97.7%.
HOSPITAL LENGTH OF STAY PREDICTION WITH ENSEMBLE LEARNING METHODE Dian Puspita Hapsari; Waras Lumandi; Arief Rachman
Journal of Applied Sciences, Management and Engineering Technology Vol 4, No 1 (2023)
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.jasmet.2023.v4i1.4437

Abstract

The hospital length of stay (LoS) is the number of days an inpatient will stay in the hospital. LoS is used as a measure of hospital performance so they can improve the quality of service to patients better. However, making an accurate estimate of LoS can be difficult due to the many factors that influence it. The research conducted aims to predict LoS for treated patients (ICU and non-ICU) with cases of brain vessel injuries by using the ensemble learning method. The Random Forest algorithm is one of the ensembles learning methods used to predict LoS in this study. The dataset used in this study is primary data at PHC Surabaya Hospital. From the results of the simulations performed, the random forest algorithm is able to predict LoS in a dataset of treated patients (ICU and non-ICU) with cases of brain vessel injuries. And the simulation results show a type II error value of 0.10 while the value of type I error is 0.16.
Pengambilan Keputusan Berbasis Multi Kriteria dengan Algoritma VIKOR untuk Percepatan Penanganan Stunting di Kota Surabaya Hapsari, Dian Puspita; Karinda, Allfela Aisyah Putri
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2024: SNESTIK IV
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2024.5719

Abstract

Percepatan Penurunan Stunting (PPS) pada Balita adalah program prioritas Pemerintah sebagaimana termaktub dalam RPJMN 2020-2024. Dinas Kesehatan Kota Surabaya sebagai pelaksana kegiatan (PPS). Tujuan dari penelitian ini adalah Dinas Kesehatan Kota Surabaya mendapatkan solusi untuk menentukan daerah yang menjadi prioritas PPS dengan implementasi metode MCDM menggunakan Algoritma VIKOR. Manfaat dari penelitian ini adalah memudahkan Dinas Kesehatan Kota Surabaya mendapatkan informasi berupa solusi untuk menentukan daerah yang menjadi prioritas PPS. Multi-Criteria Decision Making (MCDM) yang digunakan untuk menyeleksi dan perangkingan lebih dari satu kriteria yang bertentangan, untuk daerah yang menjadi prioritas PPS Kota Surabaya. Pada penelitian ini, peneliti menetapkan kriteria dan bobot, yaitu Balita tidak diberikan asi eksklusif  10%, Status kurang gizi dari pengukuran berat badan 25%, Balita pendek dari pengukuran tinggi badan 25%, Balita kurus dari pengukuran lingkar lengan 25% dan Jumlah prevelensi stunting tiap kecamatan 15%. Dalam penelitian ini telah menggunakan data sampling sebanyak 178.043 balita dari 31 kecamatan Kota Surabaya, setelah dilakukan tahapan perhitungan metode vikor dengan menggunakan majority rule sebesar 0,5 serta menggunakan nilai kompromi sebesar 0,4 (dibawah konsensus), dan 0,6 (diatas konsensus), konsistensi hasil yang terjadi yaitu kecamatan Semampir kota Surabaya yang menjadi prioritas Percepatan Penanganan Stunting. Hal ini menunjukkan bahwa metode Vikor sangat membantu proses seleksi penentuan prioritas PPS Kota Surabaya. 
Rancang Bangun Sistem Informasi Manajemen Kehadiran Murid Berbasis Web Menggunakan Model Rapid Application Development Wardhana, Septiyawan Rosetya; Ferdiansyah, Reza Zulkifli; Prabiantissa, Citra Nurina; Hapsari, Dian Puspita
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2024: Menjembatani Energi Berkelanjutan dan Ekonomi Hijau melalui Transformasi Riset dan Teknologi T
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kemajuan teknologi informasi mendorong sebuah institusi pendidikan untuk menjadikan sistem yang lebih efisien, salah satu dari institusi pendidikan yaitu SMK Rajasa Surabaya. Saat ini, SMK Rajasa masih menggunakan sistem absensi yang bersifat manual, yang masih hal tersebut dinilai kurang maksimal pada proses pendataan kehadiran murid. Penelitian ini bertujuan untuk merancang Sistem Informasi Manajemen Absensi Siswa berbasis web dengan menggunakan model Rapid Application Development (RAD) dan framework Laravel. Sistem yang dibuat ini lebih efisien dibandingkan dengan sistem manual, karena memungkinkan akses data secara real-time, pengurangan kesalahan, dan kemudahan dalam pengolahan data. Pengembangan sistem ini meliputi analisis kebutuhan, desain, pengembangan, dan pengujian. Hasil evaluasi kualitas perangkat lunak berdasarkan standar ISO-9126 menunjukkan hasil yang sangat baik: fungsionalitas (82,2%), keandalan (74%), kegunaan (84,8%), dan efisiensi (84,6%). Secara keseluruhan, aplikasi ini mendapatkan nilai 81,2%, yang dikategorikan sangat baik. Diharapkan aplikasi ini dapat meningkatkan efisiensi pengelolaan absensi siswa di SMK Rajasa Surabaya dan memudahkan guru dalam memantau kehadiran murid, serta memberikan kemudahan akses bagi wali murid untuk memantau kehadiran anak mereka.
Implementasi Algoritma Pengklasifikasi Long Short–Term Memory (LSTM) untuk Data Time Series Sari, Arum Indah; Hapsari, Dian Puspita; Wibowo, Handi F. Resi; Putri, Chatarina Natassya; Lande, Gamaliel V. Fofid; Aldero, Exacta Bunayya
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2025: SNESTIK V
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2025.7034

Abstract

Meramalkan harga emas sangat penting untuk membuat keputusan keuangan yang tepat, menawarkan informasi berharga bagi investor dan pemangku kepentingan di pasar emas. Metode pembelajaran mendalam telah membuat kemajuan signifikan di berbagai bidang, seperti pengenalan gambar dan analisis sentimen. Makalah ini mengimplementasikan jaringan Memori Jangka Panjang dan Pendek (LSTM) untuk klasifikasi data kemudian kinerjanya dibandingkan dengan model regresi linier untuk memprediksi fluktuasi harga emas. Analisis prediksi harga emas harian menunjukkan bahwa model LSTM mencapai tingkat akurasi 88%, sedangkan model regresi linier berkinerja sedikit lebih baik dengan tingkat akurasi 98%. Dengan memanfaatkan kekuatan kedua model, penelitian ini memberikan wawasan penting bagi investor di pasar emas.
Klasifikasi Bangunan secara Otomatis Menggunakan Pembelajaran Mendalam dari Gambar Street-View Abdullah, Ryan Gading; A., M. Mahameru; Rewina, Anggita Eka; Kurniawan, Muhammad Andhika; Hapsari, Dian Puspita
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2025: SNESTIK V
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2025.6874

Abstract

Urban population density mapping or urban utility planning requires a classification map based on individual buildings that are considered much more informative. The goal of this research is to determine how to extract the fine-grained boundaries of individual buildings from a street-view dataset. This paper proposes a general framework for classifying individual building functionality using a deep learning approach. The proposed method is based on a Convolutional Neural Network (CNN) that classifies facade structures from street view images, such as Street-View images. From the experiments conducted, the CNN classifier with the ResNet architecture was able to classify the Street-View data group with an accuracy value of 86.79%. We construct a dataset to train and evaluate the CNN classifier. Furthermore, the method is applied to generate a building classification map at the urban area scale.
Deep Learning Approach to Lung Cancer Detection Using the Hybrid VGG-GAN Architecture Pamungkas, Yuri; Kuswanto, Djoko; Syaifudin, Achmad; Triandini, Evi; Hapsari, Dian Puspita; Nakkliang, Kanittha; Uda, Muhammad Nur Afnan; Hashim, Uda
International Journal of Robotics and Control Systems Vol 5, No 3 (2025)
Publisher : Association for Scientific Computing Electronics and Engineering (ASCEE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31763/ijrcs.v5i3.1923

Abstract

Lung cancer ranks among the primary contributors to cancer-related deaths globally, highlighting the need for accurate and efficient detection methods to enable early diagnosis. However, deep learning models such as VGG16 and VGG19, commonly used for CT scan image classification, often face challenges related to class imbalance, resulting in classification bias and reduced sensitivity to minority classes. This study contributes by proposing an integration of the VGG architecture and Generative Adversarial Networks (GANs) to improve lung cancer classification performance through balanced and realistic synthetic data augmentation. The proposed approach was evaluated using two datasets: the IQ-OTH/NCCD Dataset, which classifies patients into Benign, Malignant, and Normal categories based on clinical condition, and the Lung Cancer CT Scan Dataset, annotated with histopathological labels: Adenocarcinoma, Squamous Cell Carcinoma, Large Cell Carcinoma, and Normal. The method involves initial training of the VGG model without augmentation, followed by GAN-based data generation to balance class distribution. The experimental results show that, prior to augmentation, the models achieved relatively high overall accuracy, but with poor performance on minority classes (marked by low precision and F1-scores and FPR exceeding 8% in certain cases). After augmentation with GAN, all performance metrics improved dramatically and consistently across all classes, achieving near-perfect precision, TPR, F1-score, and overall accuracy of 99.99%, and FPR sharply reduced to around 0.001%. In conclusion, the integration of GAN and VGG proved effective in overcoming data imbalance and enhancing model generalization, making it a promising solution for AI-based lung cancer diagnostic systems.
Analisis Sentimen pada Opini Pengguna Maskapai Penerbangan Menggunakan Hybrid Cuckoo Search Rozi, Nanang Fakhrur; Arianto, Fandi; Hapsari, Dian Puspita
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 3: Juni 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2213.677 KB) | DOI: 10.25126/jtiik.2019631337

Abstract

Tingginya minat penggunaan pesawat terbang dipengaruhi oleh tingginya tingkat mobilitas masyarakat yang menuntut perpindahan kota dalam waktu yang singkat. Meski demikian, tidak semua maskapai penerbangan mampu memberikan layanan yang memuaskan bagi konsumennya. Kualitas layanan yang diberikan oleh suatu maskapai, baik dari segi keselamatan, keamanan, maupun kenyamanan, umumnya dapat diketahui melalui opini penumpang lainnya. Banyaknya opini negatif yang didapat oleh maskapai mengindikasikan buruknya kualitas layanannya, begitu pula sebaliknya. Akan tetapi, jumlah opini yang semakin hari semakin meningkat menyebabkan sulitnya konsumen dalam menilai kualitas maskapai secara cepat. Oleh karena itu, analisis sentimen dibutuhkan guna mempercepat konsumen dalam menilai kualitas layanan maskapai. Hybrid Cuckoo Search (HCS) merupakan salah satu metode yang dapat digunakan untuk melakukan analisis tersebut. Metode ini mampu mengelompokkan informasi secara cepat. Penelitian ini bertujuan untuk mengimplementasikan HCS dalam melakukan analisis sentimen pada data opini penumpang maskapai penerbangan. Hasil uji coba menunjukkan bahwa nilai rata-rata akurasi, precision, dan recall dari data opini 7 maskapai dengan 1.000 iterasi masing-masing sebesar 69,24%; 70,88%; dan 77,57%. AbstractThe high demands of airplanes usage are influenced by the increasing levels of people's mobility who want to trip from one city to another in a short time. However, not all airlines company could provide satisfactory services for the consumers. The quality of services provided by an airline, in terms of safety, security, and convenience, is usually known through passenger opinions. The number of negative opinions gained by airlines indicates its poor quality of service and vice versa. However, the increasing number of opinion increases the difficulty of the consumer in assessing the quality of the airline quickly. Therefore, sentiment analysis is needed to accelerate the consumer in assessing the quality of airline services. Hybrid Cuckoo Search (HCS) is a method which can be used in conducting such analysis. This method is able to group information quickly. This study aims to implement HCS in conducting sentiment analysis on airline passenger opinion data. The results show that the averaged accuracy, precision, and recall from opinion dataset of 7 airlines company at 1,000 iteration are 69.24%, 70.88%, and 77.57% respectively.
Pemanfaatan Aplikasi Sehat Ibu Dan Anak Melalui Imunisasi (SEHATI) Sebagai Media Digital Pemantauan Kesehatan Ibu dan Anak Di Klinik Bidan Delima Surabaya Sulaksono, Danang Haryo; Prabiantissa, Citra Nurina; Yuliastuti, Gusti Eka; Hapsari, Dian Puspita
Parta: Jurnal Pengabdian Kepada Masyarakat Vol. 6 No. 2 (2025)
Publisher : Universitas Pendidikan Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38043/parta.v6i2.7108

Abstract

This community service activity employed a participatory approach through demonstration-based and hands-on training to improve the digital literacy of healthcare workers and the community in using the SEHATI application. The main issue identified at the partner location was that maternal and child health service records were still processed manually, leading to service delays and a higher risk of data loss. The training was attended by five midwives and clinical assistants, along with fifteen community representatives consisting of pregnant women and health cadres. Evaluation results showed an increase in participants’ ability to use the application, with an average improvement of 78% between pre-test and post-test scores. The implementation of SEHATI proved to enhance service efficiency for midwives as providers and facilitated easier access to health information for community members as users. Socially, this activity strengthened digital health literacy and supported the transformation of primary healthcare services toward a more effective and digitized system.
Co-Authors A., M. Mahameru Abd. Rasyid Syamsuri Abdullah, Ryan Gading Achmad Syaifudin Aeri Rachman Aldero, Exacta Bunayya Andy Rachman Arianto, Fandi Arief Rachman Birdyne Yanuar Melani Chanafi, Moch Irfan Citra Nurina Prabiantissa Danang Haryo Sulaksono, Danang Haryo Enggar Alfianto Evi Triandini Ferdiansyah, Reza Zulkifli Fitri Sofia Nur Khamidah Gusti Eka Yuliastuti Hashim, Uda Hendro Nugroho Hendro Nugroho, Hendro Imam Utoyo Karinda, Allfela Aisyah Putri Khamidah, Fitri Sofia Nur Kurniawan, Muhammad Andhika Kuswanto, Djoko Lande, Gamaliel V. Fofid M Tsalits Nururrohman Maftahatul Hakimah Maftahatul Hakimah, Maftahatul Melani, Birdyne Yanuar MHA Harits MI Firdaust Moch Irfan Chanafi Muhamad Imron Wazirudin Muhammad Fahrur Rozi Muhima, Rani Rotul Nakkliang, Kanittha Nanang Fakhrur Rozi Nururrohman, M Tsalits Putri, Chatarina Natassya Rachman Arief Rachman Arief, Rachman Rewina, Anggita Eka Reza Uttungga Rinci Kembang Hapsari Rinci Kembang Hapsari Ruly Adi Permana SA Adriko Salma N. Aini Santi Wulan Purnami Sari, Arum Indah Septiyawan Rosetya Wardhana Siti Agustini, Siti Tukadi Tukadi, Tukadi Tutuk Indriyani Uda, Muhammad Nur Afnan Utoyo, Imam Uttungga, Reza Wachid Ismail Amrullah Wahyu S. Pambudi Waras Lumandi Wardhana, Septiyawan Rosetya Wazirudin, Muhamad Imron Wibowo, Handi F. Resi WR Wahyudi Yuri Pamungkas